Cómo hacer un lyric video (paso a paso, con opción de IA)

Un lyric video es un vídeo musical donde la letra es el propio visual — texto animado, sincronizado con la canción, haciendo el trabajo que de otro modo haría una actuación o una narrativa (el estilo de animación detrás de la mayoría es la tipografía cinética; definición completa en nuestro glosario). Esta guía es el paso a paso para hacer uno de verdad: cómo preparar la letra, cómo temporizar y estilizar el texto, y las dos rutas para construirlo — animando a mano, o describiendo el vídeo a un generador con IA. Probamos la ruta de IA de primera mano en agosto de 2026: dos lyric videos completos de 20 segundos generados desde briefs escritos con letras originales nuestras, por 0,19 $ y 0,49 $ todo incluido — el segundo con una revisión, que documentamos abajo.

Qué hace que un lyric video funcione

Un lyric video vive o muere por una sola cosa: que el espectador pueda leer cada palabra a la velocidad que marca la canción. Todo lo demás es estilo. Los vídeos que funcionan comparten unos hábitos:

• La sincronía gana al espectáculo — las palabras deben caer cuando se cantan. Un vídeo sencillo en sincronía perfecta gana a uno precioso que va a la deriva.
• Uno o dos tratamientos tipográficos — un lyric video no es un escaparate de fuentes. Una display para las palabras de énfasis y una de trabajo para el resto.
• Legible de un vistazo — cada línea permanece en pantalla lo bastante para leerla dos veces. Si una línea pasa como un destello, es como si no estuviera.
• Una paleta acorde a la canción — dos o tres colores, elegidos del ánimo del tema, consistentes de la primera línea a la última.
• El énfasis se gasta, no se rocía — los scale pops y cambios de color van en las palabras del estribillo. Si todas las palabras saltan, ninguna salta.

Cómo hacer un lyric video, paso a paso

Paso 1: Resuelve primero los derechos

Antes de cualquier diseño: confirma que tienes derecho a usar la canción y su letra. Tu propia música o letra original — sin problema. Un tema por encargo o un instrumental licenciado — comprueba que la licencia cubre mostrar la letra. La canción publicada de otra persona — necesitas permiso de los titulares de derechos (normalmente la editorial para las letras), incluso para un lyric video "de fans"; las plataformas los retiran de forma rutinaria. Todos los pasos siguientes asumen que esto está resuelto. Para nuestras pruebas escribimos la letra nosotros y sintetizamos nuestro propio instrumental.

Paso 2: Escribe la letra como líneas temporizadas

Transcribe la sección que vas a animar — estrofa, estribillo o canción completa — en líneas cortas, una respiración cada una, en orden exacto. Esta hoja de líneas es el esqueleto de todo el vídeo: la animación la sigue línea a línea, así que fija puntuación, mayúsculas y grafías estilizadas ahora, no después de animar el texto. Una aclaración para la ruta generada: si tu pista tiene voz, la herramienta transcribe el canto por sí misma — ahí, esta hoja es tu lista de verificación para el Paso 7, no una entrada obligatoria.

Paso 3: Marca las palabras de énfasis

Recorre la hoja de líneas y marca las palabras que sostienen la canción — normalmente el gancho, la frase del título y uno o dos picos emocionales por sección. Esas son las palabras que se ganan un scale pop, un cambio de color o un tiempo extra en pantalla. Tres o cuatro palabras marcadas por estribillo bastan.

Paso 4: Elige el lenguaje visual antes de animar

Decide tres cosas de entrada: el fondo (color sólido, degradado sutil o una textura lenta — el metraje ajetreado pelea contra el texto), la paleta (dos o tres colores del ánimo del tema) y el vocabulario de movimiento (revelado palabra a palabra para líneas conversacionales, scale pops para ganchos, deslizamientos para transiciones). Fijar esto antes de producir es lo que mantiene coherente un vídeo de tres minutos.

Paso 5: Constrúyelo — a mano o por brief

La ruta manual: un editor de línea de tiempo — After Effects o una de las alternativas gratuitas que probamos — donde colocas cada palabra en la línea de tiempo contra la forma de onda y animas su entrada con fotogramas clave. Calcula alrededor de una hora por cada 30 segundos de canción cuando ya domines la herramienta, más mientras aprendes. La ruta generada: describe el vídeo a un agente de motion graphics con IA — el creador de lyric videos de iArt — como si brifearas a un diseñador: pega tus líneas temporizadas, nombra el estilo, marca el énfasis — y si tienes la pista, adjúntala antes de enviar (eso es el Paso 6). Nuestro primer brief de prueba, literal:

"Create a 20-second kinetic typography lyric video for an indie-pop chorus. Lyrics, in this exact order: "City lights go quiet, but we're still awake" / "Every wrong turn tonight was a turn worth taking" / "Hold the moment steady, let the echoes fade" / "We were never lost — we were on our way". Each line gets roughly equal screen time, with words appearing in sync like a real lyric video. Style: bold kinetic typography on a deep navy background, warm amber and off-white text, subtle glow, late-night city mood; mix scale pops, word-by-word reveals, and one line sliding in; end holding the final line. Use only the lyrics I provided — do not change, add, or invent any words. No artist name, no watermark."

Fíjate en la estructura — son los Pasos 2–4 por escrito: las líneas en orden, las decisiones de estilo, el plan de énfasis. Esa regla dura del final importa: un generador improvisará texto si no, y un lyric video con letra improvisada no vale nada.

Paso 6: Sincroniza con la pista real

Si animas a mano, este es el trabajo de línea de tiempo: cada palabra colocada contra la forma de onda. En la ruta generada, la herramienta que probamos toma la propia pista como entrada — un paso de "añadir audio al que sincronizar" antes de generar. Escucha antes de animar: cuando subimos nuestro instrumental al modo de sincronía vocal, respondió con "No words found — is this instrumental? Use the Beat tab" — las voces se transcriben para sincronizar la letra con ellas, y los instrumentales se derivan a la sincronía por beat. Verificamos ambos lados. Voz: subimos una locución hablada de nuestras cuatro líneas; fue etiquetada como 16 segundos de inglés, y en el vídeo final la entrada en pantalla de cada línea coincidió con el instante en que se pronuncia en el archivo — 0:00, 4,5 s, 9,3 s y 13,4 s. Una canción real superó la misma prueba: un extracto coral de 25 segundos de una canción inglesa para laúd de 1597 (grabación Creative Commons) fue etiquetado como inglés y renderizado palabra por palabra al compás del canto. Un hallazgo honesto: la transcripción oye mal alguna palabra — "There" en vez de "The" en esa pasada; otra pasada del mismo archivo oyó mal una frase corta distinta, así que los errores varían entre pasadas — y la pantalla sigue la transcripción incluso cuando tu brief lleva la línea correcta. El arreglo es un mensaje de revisión de una frase; la verificación del Paso 7 es como lo detectas. También hicimos la prueba inversa: un brief solo de estilo, sin letra alguna — el vídeo terminado renderizó las palabras cantadas transcritas en sincronía, confirmando que en la ruta vocal la pista sola basta como entrada. Beat: analizó nuestro instrumental casero de 100 BPM exactamente como 100 BPM y temporizó las entradas de palabras a la rejilla musical y a los golpes transitorios que detectó.

Los dos modos de sincronía tal como los probamos: la pestaña Voice etiquetó nuestra pista como 16 segundos de inglés; la pestaña Beat detectó nuestro instrumental exactamente a 100 BPM, con la biblioteca de pistas debajo.

Paso 7: Verifica cada palabra y exporta a la especificación de la plataforma

Lee el vídeo terminado contra tu hoja de líneas palabra por palabra — una palabra equivocada envía la letra equivocada a todo el mundo, y con salida generada esta verificación es innegociable. Luego exporta según el destino: 16:9 para YouTube, 9:16 para Shorts, Reels y TikTok, 1:1 para el feed cuadrado. En la herramienta que probamos, la relación de aspecto es un selector que fijas antes de generar, así que decide primero el destino.

Qué produjeron nuestras dos pruebas

Prueba 1 — estribillo en 16:9, sin audio (0,19 $ todo incluido). Con el brief de arriba, el agente dio a cada línea cinco segundos y su propio tratamiento: un revelado palabra a palabra que termina en una insignia luminosa para "AWAKE", un deslizamiento desde bordes opuestos con "wrong turn" enmarcado en ámbar, un anclaje con marco en "STEADY" con estela fantasma sobre "echoes fade", y un clímax de scale pop en "NEVER LOST —" sosteniendo "on our way" hasta el final. Después leímos los 600 fotogramas contra la hoja de líneas: cuatro líneas, perfectas letra a letra, sin palabras inventadas. Coste según la página de facturación: 0,10 $ de generación más 0,09 $ del render 1080p — 0,19 $, unos dos minutos de brief a archivo.

La Prueba 1 tal cual se exportó: cinco segundos por línea, el énfasis donde lo marcó el brief — 0,19 $, sin revisiones.

Prueba 2 — vertical 9:16, sincronizada a una pista real (0,49 $ todo incluido, una revisión). La segunda prueba combinó la ruta de audio y el formato vertical: nuestro instrumental sintetizado subido para sincronía por beat, aspecto en 9:16 y una estrofa acústica más lenta. Primero la parte honesta: el primer render tuvo un defecto real — la primera línea se reprodujo perfecta y luego la pantalla quedó en blanco desde el segundo 11, sin que las líneas tres y cuatro llegaran a aparecer. El arreglo fue un único mensaje describiendo exactamente eso ("la línea 2 solo muestra la palabra Coffee; las líneas 3 y 4 nunca aparecen"), que costó 0,10 $ y unos dos minutos; el nuevo render trajo las cuatro líneas, palabra por palabra, con entradas temporizadas a los golpes que el análisis de beat había detectado. Total con ambas exportaciones: 0,49 $. La lección para el flujo es el Paso 7: revisa cada fotograma, y cuando una pasada falla, la revisión es una frase, no una reconstrucción.

El mismo fotograma (14 s) antes y después de la revisión de una frase: el primer render dejó la línea tres en blanco; el nuevo render muestra "Some days are made for staying" completa.

La Prueba 2 tras la revisión, con sonido: el corte vertical sincronizado al beat — palabras cayendo en los golpes de la pista de 100 BPM subida.

FAQ

¿Qué software necesito para hacer un lyric video?

Dos opciones. Una herramienta de animación con línea de tiempo — After Effects o una alternativa gratuita como Cavalry — donde tú mismo animas cada palabra contra la forma de onda; espera una curva de aprendizaje real y horas por canción. O un generador con IA como iArt, donde pegas la letra y el estilo como brief escrito: nuestras pruebas de 20 segundos costaron 0,19 $ y 0,49 $ en créditos en agosto de 2026, cada una en unos dos minutos de brief a archivo 1080p (la de 0,49 $ incluye una revisión de 0,10 $; descargar el MP4 es una función Pro).

¿Puedo hacer legalmente un lyric video de cualquier canción?

No — la grabación y la letra tienen derechos de autor separados, y un lyric video usa ambos. Estás cubierto con tu música original, obra por encargo o pistas licenciadas para mostrar letra; para la canción publicada de otra persona necesitas permiso de los titulares. Ante la duda, pregunta a la editorial — las plataformas retiran lyric videos sin licencia de forma rutinaria.

¿Cómo sincroniza la IA el texto con la música?

La herramienta que probamos toma el archivo de audio como entrada antes de generar y lo escucha: las pistas con palabras se transcriben para sincronizar la letra con el momento hablado o cantado, y los instrumentales pasan a análisis de beat. Probamos ambos en agosto de 2026: una locución de nuestras cuatro líneas produjo un vídeo donde cada línea aparece en el segundo exacto en que se pronuncia (0:00, 4,5 s, 9,3 s, 13,4 s en nuestro archivo), y nuestro instrumental casero fue identificado exactamente como 100 BPM — el tempo al que lo sintetizamos.

¿De qué tamaño debe ser un lyric video?

Según la plataforma: 16:9 (1920×1080) para YouTube, 9:16 (1080×1920) para Shorts, Reels y TikTok, 1:1 para el feed cuadrado. Si generas en lugar de animar a mano, fija la relación de aspecto antes de generar — en la herramienta que probamos es un selector con exactamente esas tres opciones, y nuestras dos pruebas usaron 16:9 y 9:16.

¿Tengo que teclear la letra?

No, si tu pista tiene voz — las palabras salen de la transcripción. En nuestra prueba de agosto de 2026 subimos una canción con un brief solo de estilo, sin letra, y el vídeo terminado renderizó las palabras cantadas en sincronía. La letra tecleada es para la ruta manual, los instrumentales y los briefs sin pista — y sirve además como tu hoja de verificación, porque el texto en pantalla sigue la transcripción del audio.

¿Cómo mantengo exacta la letra generada por IA?

Fija la regla en el brief — el nuestro terminaba con "usa solo la letra que te doy — no cambies, añadas ni inventes palabras" — y luego lee el vídeo terminado contra tu hoja de líneas palabra por palabra. En nuestras pruebas con brief de texto cada palabra renderizada coincidió con el brief; los defectos que encontramos fueron un hueco de renderizado (líneas ausentes, no equivocadas) y, en la prueba con canción real, palabras mal oídas por la transcripción vocal ("There" por "The" — cuáles varía entre pasadas del mismo archivo) — cada uno detectado justo con esta revisión y cada uno arreglado con un único mensaje de seguimiento.